WOLFRAM

L'apprentissage automatique et Mathematica optimisent les chaînes d'assemblage automatisées

Système de production automatisé en atelier

La puissance de Mathematica en tant que plateforme complète est encore sous-estimée. Le système hybride nous permet de programmer facilement des tâches complexes, de résoudre des résultats et de nous relier de manière transparente à d'autres environnements.

Défis

Optimisation des processus de production automatisés à la chaîne.

Avantages

  • Création automatique de modèles informatiques interprétables.
  • Optimisation de l'efficacité globale de l'équipement et de la qualité du produit.
  • Approfondissement des processus d'automatisation complexes en vue d'une amélioration continue.

Solutions

Utilisation d'un cadre d'apprentissage automatique et de Mathematica pour créer des modèles adaptatifs à partir des données fournies par le système de surveillance de l'atelier.

L'avantage Wolfram

  • Le langage de programmation déclaratif décrit simplement les tâches d'apprentissage automatique.
  • Combinaison d'outils d'apprentissage automatique, de statistiques et de modélisation mathématique
  • Intégration transparente avec les plateformes logicielles d'automatisation.

Nos produits les plus essentiels, tels que les voitures, les appareils électroniques et les meubles de maison et de bureau, sont de plus en plus souvent fabriqués par des processus automatisés. Il est impossible de réinitialiser ces systèmes complexes sans une aide à la décision adéquate ou une récupération automatisée. La détermination de ces informations critiques fait appel à l'apprentissage automatique.

Permettre aux machines d'améliorer leurs processus

L'application Mathematica du cadre d'apprentissage automatique (MLF) du développeur Uni Software Plus est une solution innovante pour ces systèmes. MLF permet aux machines d'améliorer leurs propres processus sur la base de l'analyse des données d'événements passés et d'autres statistiques, et aide à créer des modèles qui sont à la fois compréhensibles et rapides sur le plan informatique.

MLF fait partie intégrante des systèmes de production des principaux fabricants qui s'appuient sur ses capacités d'exploration et de modélisation des données. Des entreprises telles que AMS Engineering, un fournisseur de systèmes pour les lignes d'assemblage hautement automatisées qui compte Bosch, Braun et Moeller parmi ses clients fidèles, utilisent MLF pour améliorer l'efficacité globale de l'équipement et les processus de fabrication.

Optimiser les lignes d'assemblage

Une chaîne d'assemblage donnée peut facilement impliquer plus de 30 modules de traitement avec des centaines de paramètres, qui changent à chaque modification fréquente du produit. Les descripteurs et solveurs complets de Mathematica s'associent aux créateurs et évaluateurs de modèles rapides de MLF, prenant en compte des facteurs tels que la conception du produit, la disponibilité des équipements, l'efficacité de la production et le taux de qualité afin d'améliorer continuellement l'« intelligence » de la machine.

Mathematica et MLF sont utilisés tout au long du processus d'assemblage automatisé, depuis la création et le test des bons modèles hors ligne jusqu'à l'intégration dans les systèmes de gestion de l'atelier pendant la production. « La puissance de Mathematica en tant que plateforme complète est encore sous-estimée », déclare Herbert Exner, président d'Uni Software Plus. « Le système hybride nous permet de programmer facilement des tâches complexes, de résoudre des résultats et de nous relier de manière transparente à d'autres environnements. C'est ainsi que nous avons conçu le cadre d'apprentissage automatique. »

En savoir plus :

Autres témoignages